Door Josien Boetje
Wie vroeger de opdracht kreeg om bronnen te vergelijken en tot een eigen product te komen, opende een database, bedacht zoektermen, combineerde die met Booleaanse operatoren en worstelde zich door de zoekresultaten. Nu levert één zin in een LLM-chatbot een kant-en-klaar antwoord op. Dat scheelt tijd, maar het slaat precies de stappen over waarin leren plaatsvindt: kritisch selecteren, verwerken en synthetiseren van informatie. Over hoe generatieve AI het informatievaardighedenproces verandert – en wat dat vraagt van de informatieprofessional.
Informatievaardigheden, in de wetenschap ook wel Information Problem Solving (IPS) genoemd, vormen een kerncompetentie voor academisch succes: het vermogen om informatie te vinden, te beoordelen, te verwerken en te synthetiseren tot een eigen kennisproduct. De gangbare modellen die dit proces beschrijven, zoals het invloedrijke IPS-I model van Brand-Gruwel en collega’s (2009), zijn ontwikkeld voor een wereld waarin je zelf websites en databases doorzoekt.
Generatieve AI zet dat op zijn kop. Tools als ChatGPT, Gemini en Perplexity kunnen hele fasen van het proces overnemen: ze zoeken, vatten samen en synthetiseren op commando. Sommige vaardigheden die wij traditioneel centraal stellen, zoals het handmatig doorzoeken van databases met Booleaanse operatoren, worden minder belangrijk. Andere worden juist belangrijker: het scherp formuleren van een prompt, en het kritisch verifiëren van wat eruit komt. Daar zit een risico: als het onderwijs blijft hameren op search strings terwijl de praktijk is verschoven naar prompten en verifiëren, leren we studenten iets anders aan dan wat ze werkelijk nodig hebben.
Om te weten hóe het proces verandert, moet je eerst precies zien wat mensen doen als ze een informatieprobleem oplossen mét AI. Daarvoor keken we niet naar het eindproduct, maar naar het proces.
Wat we deden
We gaven 26 deelnemers een realistische opdracht: bereid een korte presentatie voor over gezond socialemediagebruik, met zowel de kansen als de risico’s, en gebruik daarbij internet én generatieve AI. Veertien deelnemers waren beginners: eerstejaars studenten aan de lerarenopleiding. Twaalf waren experts: ervaren lerarenopleiders die AI al inzetten in hun werk. Ze kregen zestig minuten en dachten hardop na, terwijl we hun scherm en stem opnamen. Zo konden we elke stap volgen: welke fase ze doorliepen, wanneer ze AI inzetten en waarom.
Uit die opnames destilleerden we via cognitieve taakanalyse 25 cognitieve activiteiten, verdeeld over zes samenhangende fasen. Het resultaat is het DIPS-model van Digital Information Problem Solving, een geactualiseerd model van het informatievaardighedenproces in het AI-tijdperk.
‘De verleiding is om de taak in ChatGPT te stoppen en op enter te drukken, maar ik ben bang dat het dan de verkeerde kant op gaat’ – een expertdeelnemer
Zes fasen en een motor
Het DIPS-model (zie figuur 1) beschrijft informatievaardigheid als een iteratief proces van zes fasen, met regulatie als centrale component:
- Definiëren – je probleem scherp afbakenen en je voorkennis activeren. Wat weet ik al, en wat moet ik precies te weten komen?
- Zoeken – je strategie bepalen en effectieve zoektermen of prompts formuleren.
- Selecteren – relevante informatie kiezen en kritisch beoordelen: niet alleen de bron en de inhoud, maar ook de (AI-)tool die je gebruikt.
- Verwerken – de informatie diepgaand analyseren en verbinden met wat je al weet. Hier vindt de eigenlijke kennisconstructie plaats.
- Synthetiseren – informatie uit verschillende bronnen vergelijken en combineren tot een nieuw, samenhangend geheel. Hieronder valt ook het verifiëren van informatie.
- Creëren – het eindproduct maken, inclusief revisie en ethische afwegingen.
En dwars door alles heen loopt regulatie: het voortdurend plannen, monitoren en bijsturen. Regulatie is de motor die de andere fasen aanstuurt en verbindt. Juist deze fase blijkt in het AI-tijdperk nóg centraler dan voorheen, want er komt een nieuwe vraag bij die het hele proces raakt: zet ik hier AI in of niet, en zo ja, hoe?
De fasen zelf zijn niet nieuw. Wat nieuw is, is hoe ze worden uitgevoerd. Op basis van wat de deelnemers werkelijk deden, vonden we drie volledig nieuwe activiteiten en vier die wezenlijk veranderen door AI.
Wat AI verandert
De prompt vervangt de zoekterm. In de Zoek-fase gaat het niet meer alleen om trefwoorden, maar om het bouwen van een goede prompt: instructie, context, gewenst format en achtergrondinformatie ineen. En als de output niet bevalt, stellen gebruikers hun prompt bij: ‘Kun je je beperken tot Nederlandse bronnen?’ Dat bijstellen (input aanpassen) is een van de nieuwe activiteiten: een dialoog met de tool in plaats van een eenmalige zoekopdracht.
Je beoordeelt niet alleen de bron, maar ook de tool. In de Selecteren-fase evalueren gebruikers voortaan óók de betrouwbaarheid en transparantie van de AI zelf. Klopt het antwoord? Waar komt het vandaan? Een deelnemer merkte op: ‘Oh, hij schakelt automatisch over naar het Engels. Ik vermoed dat dit dan geen Nederlandse studies zijn, ook al vroeg ik het in het Nederlands.’ Een ander constateerde droog: ‘Kijk, soms krijg je zulke onzin.’ Het beoordelen van bron én tool is een gewijzigde, zwaardere versie van de klassieke bronbeoordeling.
Verifiëren wordt een expliciete stap. In de Synthetiseren-fase ontstond een tweede nieuwe activiteit: vergelijken en verifiëren. Deelnemers legden AI-uitkomsten naast andere bronnen of naast een tweede AI-tool om te controleren of het klopte. ‘Ik moet even checken of dat busverhaal waar is … Goed dat ik het deed – blijkt maar deels waar te zijn.’ Waar de AI vloeiend een feit presenteert, moet de gebruiker actief het tegendeel gaan zoeken.
Ethiek wordt onderdeel van het maken. De derde nieuwe activiteit zit in de Creëren-fase: ethiek afwegen. Deelnemers worstelden zichtbaar met attributie en authenticiteit: ‘Moet ik zeggen dat dit van Perplexity komt? Of moet ik zeggen dat het van experts komt?’ Transparant zijn over AI-gebruik is geen bijzaak meer, maar een handeling binnen het proces zelf.
Samen laten deze activiteiten zien dat AI het werk niet simpelweg makkelijker maakt. Het verschuift de inspanning: minder handmatig zoeken en selecteren, meer scherp definiëren, prompten, verifiëren en afwegen.
‘Ik denk eerst zelf na, en pas dán vraag ik AI om bevestiging, niet andersom’ – een expertdeelnemer
Beginner versus expert: dezelfde tool, ander gedrag
Het meest leerzame verschil zat niet in de tool, maar in hoe beginners en experts hem gebruikten. Kijk eens naar de grafiek met het informatievaardighedenproces van beginners en experts (figuur 2). De kleuren komen overeen met het DIPS-model, het zwarte puntje geeft aan wanneer ze AI gebruiken. Wat valt op?
Beginners werken productgericht. Ze gingen vaak meteen aan de slag met AI, zonder eerst goed te bepalen wat ze precies wilden maken. Ze pendelden snel tussen Zoeken en Creëren en sloegen de tussenliggende fasen (selecteren, verwerken, synthetiseren) grotendeels over. AI was voor hen de primaire, soms enige informatiebron, en de output werd regelmatig zonder controle overgenomen. Ze besteedden de meeste tijd aan het maken van het eindproduct.
Experts werken procesgericht. Zij investeerden juist vooraf in de Definiëren-fase en achteraf in diepe verwerking en synthese. Opvallend: ze stelden het gebruik van AI vaak bewust uit: ze dachten eerst zelf na, en zetten AI daarna gericht in om hun denken aan te scherpen. Ze verdeelden hun tijd gelijkmatiger over alle fasen, reguleerden hun proces intensiever en gebruikten AI breed: van brainstormen bij de start tot feedback vragen op het eindproduct.
Van uitvoerder naar regisseur
Hoewel de verschillen door de kleine steekproef niet allemaal statistisch hard te maken zijn, wijzen de patronen consistent één kant op. Ze markeren een fundamentele verschuiving in de rol van de mens: van uitvoerder naar regisseur. Waar je vroeger zelf zocht en samenvatte, is de taak nu om de AI te sturen, te beoordelen en bij te schaven. Effectieve informatievaardigheid betekent in het AI-tijdperk niet dat je alles zelf doet, maar dat je de regie houdt over wat je uitbesteedt, én dat je kritisch blijft op wat je terugkrijgt.
Dat is precies waar beginners de mist ingaan. Ze delegeren het denkwerk aan de AI en verliezen daarmee de regie. Het risico is niet AI-gebruik op zich, maar dat studenten vlot leren omgaan met de tool zónder het onderliggende kritisch beoordelingsvermogen en de nodige regulatievaardigheden te ontwikkelen. Een mooi eindproduct verhult dan een leerproces dat niet heeft plaatsgevonden.
Rol van de informatieprofessional
Hier ligt een sleutelrol voor de informatieprofessional. Het DIPS-model maakt zichtbaar dat de kloof tussen beginner en expert niet zit in het bedienen van de tool, maar in het proces eromheen: definiëren, verifiëren, reguleren en ethisch afwegen. Dát zijn de vaardigheden die aandacht vragen. Drie verschuivingen zijn daarbij richtinggevend.
Beoordeel het proces, niet alleen het product. Een student kan met AI een uitstekend verslag inleveren zonder de onderliggende vaardigheden te bezitten. Productgerichte toetsing schiet dan tekort. Procesgerichte methoden maken het denkwerk zichtbaar: laat studenten hardop-denk-opnames maken, een logboek of AI-dagboek bijhouden, of bij hun product verantwoorden wélke tool ze inzetten, waarom, en hoe ze de output hebben gecontroleerd. Zo beoordeel je niet alleen wát een student maakt, maar hoe doordacht die AI in zijn of haar proces integreert.
Doe expertgedrag voor. De strategieën van de experts uit ons onderzoek zijn direct bruikbaar als lesmateriaal. Laat zien hoe je een AI-antwoord kritisch herschrijft, hoe je een tweede tool gebruikt om een claim te verifiëren, of hoe je een prompt aanscherpt als de output niet deugt. Dit modeling, samen met gerichte ondersteuning (checklists, reflectievragen, planningshulpmiddelen) en feedback op de aanpak, vormt de kern van effectief onderwijs in informatievaardigheden, zoals eerder onderzoek naar ontwerpprincipes** liet zien.
Verbreed wat je aanleert. De klassieke vaardigheden, zoals bronnen zoeken en beoordelen, blijven belangrijk maar zijn niet meer genoeg. Er komen nieuwe kennis, nieuwe vaardigheden en een nieuwe houding bij: begrip van hoe AI-systemen werken en waar ze falen; het formuleren van scherpe prompts; het verifiëren van output op hallucinaties en bias; en de ethische alertheid om AI-gebruik als een bewuste keuze te zien, inclusief de keuze om het níét te gebruiken.
Tot slot
Generatieve AI verandert niet wélke fasen we doorlopen om een informatieprobleem op te lossen, maar hoe we ze doorlopen, en vooral wie het denkwerk doet. Het DIPS-model biedt een empirisch onderbouwde kaart van dat nieuwe proces en laat precies zien waar studenten de mist ingaan: niet bij de knoppen van de tool, maar bij het definiëren, verifiëren en reguleren eromheen. Daar ligt de kans voor de informatieprofessional. Niet door studenten weg te houden bij AI, maar door ze te leren de regie te houden: kritisch, bewust en met hun eigen denkwerk stevig aan het roer.
Concrete aanknopingspunten voor informatiespecialisten
- Neem prompten en het verifiëren van AI-output expliciet op in je trainingen, naast zoeken en beoordelen van bronnen.
- Laat expertgedrag zien: demonstreer hardop hoe je een AI-antwoord wantrouwt, checkt en bijstelt.
- Besteed aandacht aan de Definieer-fase. Wie zijn vraag scherp heeft, stuurt de AI beter en prikt sneller door zwakke output heen.
- Introduceer een AI-dagboek of intentielogboek waarin studenten vastleggen wanneer, waarom en hoe ze AI inzetten.
- Erken dat ‘verantwoord AI-gebruik’ contextafhankelijk is: voor een wetenschappelijk essay gelden strengere bronregels dan voor het ontwerpen van een presentatieslide.
Josien Boetje is onderwijskundig onderzoeker en lerarenopleider aan de Hogeschool Utrecht. Dit artikel is gebaseerd op haar studie met Zindzi de Graaf, Iwan Wopereis, Stan van Ginkel, Matthijs Smakman, Johan Versendaal en Erik Barendsen, verschenen in Computers & Education (2026).
Boetje, J., de Graaf, Z., Wopereis, I., van Ginkel, S. O., Smakman, M. H. J., Versendaal, J., & Barendsen, E. (2026). The DIPS model: GenAI integration in digital information problem solving by experts and novices. Computers & Education, 105677. https://doi.org/10.1016/j.compedu.2026.105677
Eerdere artikelen in IP dit jaar over ontwerpprincipes voor informatievaardighedenonderwijs:
- Zeven ontwerpprincipes – wegwijzers naar informatievaardigheden
- Validatie ontwerpprincipes voor informatievaardigheden – informatiespecialisten als proefkonijn
Deze bijdrage komt uit de papieren IP #6-2026. Het hele nummer kun je hieronder lezen of downloaden.